第二，具备约束驱动的可行域；第三，瞬时经验的概率化评估，以及最优化目标选择因此，针对这些特性，我跟我的小组成员们制定了预测在计算之先，选择在优化之外的全新数学模型。
也就是今天我要重点跟大家讲述的元数学雏形。我们将之命名为经验约束瞬时优化体系，简称为ECIo框架，其基础体系大家可以看大屏幕。
话音落下，乔喻背后早已经准备好的大屏幕同步亮起。
这场报告会还是第一次出现PPT。跟乔喻以往的风格一样，简单且直接。
没有过多的解释。
这也是七月在发送邀请函时，要出一道题的意义所在了。
上面的数学符号都是直接引用的乔代数几何中的概念。
显然对于没有专门学习跟研究过广义模态公理体系跟乔代数几何的数学家来说是很不友好的，即便来了也听不懂什么，无异于浪费时间。
更别提这些公式虽然看起来很简单，但如果讲起那些推导过程来就很复杂了。
虽然最终的目的是让人工智能向通用人工智能过渡。在决策时不再需要调参，不再需要严谨跟复杂的推导计算过程，但数学毕竟就是数学。
支持这一决策树过程本身的推导必须是讲逻辑的。
接下来一个多小时对于台下这一千多位数学家，尤其是那些跟着导师来见世面的学生跟助手们无疑是最无趣的。
不再有那些生动有趣的例子，全都是关于意识决策的数学解释。
尤其是其中涉及到模态空间的部分。
没办法，可实现性测度下的差异度规肯定要引入到高维模态空间。
这块绝对是整套理论最为抽象的部分。毕竟淘汰了以往的决策树，并不代表通用人工智能不需要决策树只是要达成这种瞬时决策需要的决策树过于抽象当然这也是必然的。
毕竟人类的意识本就很抽象。
而且介绍这些数学上的推导过程时，乔喻完全没有照顾台下众人心情的想法。
依然是他的风格，总是默认台下的数学家跟他水平差不多，肯定能听懂每一步的推导所以也没有什么详尽的解释，只是将他当时的推导思路说了一遍。
于是抛去一半本就是来打酱油的，剩下一半人百分之九十的数学家同样全程一脸憎逼皱着眉头半懂不懂的样子.
即便坐在第一排的众多大佬级数学家，差不多也是如此。
比如陶轩之，皱看的眉头就从没展开过。
听了一阵过后，甚至鲜有的直接拿出了手机开始录制。
对于这种行为乔喻是不太在乎的。
他讲的都是些理论性的东西。关于理论方面的内容，还真是全世界相通的。
至于掌握了理论是不是就能创造出类似的通用人工智能那就是见仁见智的事情了。
起码在乔喻看来没有超过十万有相关经验的工程师，以及几乎不计成本的量子模拟计算资源，想再设计出一个七月无异于痴人说梦。
七月的核心代码是乔喻亲自动手写的。
但七月外围那些代码可太多了。
每个服务器处理不同的决策类型，都要根据他编写的手册上传不同的代码。
光是培养相关的AI工程师们能够搞懂并使用他编写的指导手册，都花了整整一年的时间。
这也就是当时把发展通用人工智能写进五年计划了。
否则根本不可能把七月培养出来。就算把细雨科技靠卖专利赚的那些钱都花光，都不可能·.·
重赏之下必有勇夫的确是没错，细雨科技能调动的资源也的确很多，但还是不够。
最起码不可能这么快就让七月上线运行。
只能说在华夏举国之力四个字的分量从来都是他国之人难以想象的。
终于，大概十一点十分，嗨涩的数学部分终于讲完了。
显然现场能听懂的不多，不对，应该说几乎没有。
少数人能听得半懂不懂就不错了。
但这并不代表着全世界数学家的造谐都比乔喻差很多。
别说直接接触一个全新的数学体系，就是数学家换一个细分的研究领域，前期有很多不懂的东西都很正常的。
哪怕广义模态公理体系将数学符号做了统一，但乔喻提出的经验约束瞬时优化体系毕竟是新东西，而且还是最前沿的研究领域。
两、三年的研究成果，浓缩到一个多小时里想完全讲清楚本就不太现实。
所以报告会上的内容本就高度浓缩的。
那些坐在前排的大佬级数学家脑子里此时也自然也冒出了一堆的问题甚至是质疑，
毕竟用严谨的数学去构建一套抽象到很多时候并不符合逻辑的意识体系这个想法本身就太过疯狂了！
哪怕听得半懂不懂，也